Künstliche Intelligenz und Robotik für eine nachhaltige Kreislaufwirtschaft

Was können künstliche Intelligenz (KI) und Robotik zu einer Verbesserung der Recyclingquote bei großstückigen Abfällen beitragen? Dies ist die zentrale Fragestellung im Kooperationsprojekt 'Smart Recycling' des federführenden Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) und dem Institut für Energie und Kreislaufwirtschaft (IEKrW) an der Hochschule Bremen. Noch bis Mitte Dezember wollen die Projektpartner entsprechende Konzepte entwickeln. Dabei werden sowohl technische als auch ökonomische Herausforderungen berücksichtigt.
Bild: Hochschule Bremen

Die Lösungen sind zwar primär für die Kreislaufwirtschaft gedacht, sollen aber auch in anderen Bereichen angewendet werden können. Beispiele: Katastrophenschutz, Naturschutz durch automatisierte Abfallsammlung, nachhaltige Landwirtschaft, ökologisch verträglicher Bergbau, Wartung und Pflege von Infrastrukturen oder die Industrie 4.0. Beteiligt an dem bis zum 15. Dezember 2020 laufenden Projekt sind – neben dem DFKI und dem IEKrW – die Hochschule für Angewandte Wissenschaften Hamburg und Nehlsen Stoffstrom. Gefördert wird das Projekt ‚Smart Recycling‘ innerhalb des Förderschwerpunktes KI-Leuchttürme für Umwelt, Klima, Natur und Ressourcen vom Bundesumweltministerium.

Das Projekt ‚Smart Recycling“‘ unterstützt mit seiner effizienten Kl- und Robotik-basierten Lösung u.a. die im Deutschen Ressourcen-Effizienzprogramm festgelegten Ziele zur Steigerung der Recyclingrate bei Siedlungsabfällen auf über 65 Prozent, des Recyclinganteils von Kunststoffabfällen und des Einsatzes von Recycling-Baustoffen.

Bild: Hochschule Bremen

Vom effizienteren Recycling großstückiger Abfälle, vor allem im Bereich der Bauwirtschaft, wird ein signifikanter ökologischer Nutzen erwartet: Von den rund 412 Millionen Tonnen Abfall in Deutschland sind 220 Millionen Tonnen Bau- und Abbruchabfälle (Daten aus 2017, Statistisches Bundesamt). Dabei spielt die Sortierung der Abfälle für die Erhöhung der Ressourceneffizienz eine entscheidende Rolle. Hier setzt das Vorhaben Smart Recycling an: Durch den Einsatz moderner Sensorik, Kl-Methoden und Robotik soll die Sortierung von Abfällen verbessert und damit die Ressourceneffizienz erhöht werden. Das Vorhaben wird den Einsatz der genannten Techniken eruieren und entsprechende Ansätze zur Steigerung der Effizienz vorschlagen.

Bild: Hochschule Bremen

Hintergrund:

Bei der Kreislaufwirtschaft geht es darum, Produkte und Rohstoffe möglichst lange zu nutzen. Wenn das nicht mehr möglich ist, werden Rohstoffe in ihre Ausgangsstoffe zerlegt und wiederverwertet. Eine automatisierte Trennung dieser Stoffe ist besonders effizient und damit umweltschonend. Allerdings ist diese Trennung derzeit nur bei kleinstückigen oder bereits geschredderten Abfällen, sogenannten Flakes, möglich. Abfälle die großstückig sind, wie etwa Bauschutt oder Sperrabfall, müssen für die automatisierte Sortierung zunächst zerkleinert werden. Dies erfolgt meist manuell oder mit manuell bedienter Technik und ist daher langsam und kostenintensiv. Entsprechend gering ist die Recyclingquote, sodass viele wertvolle Rohstoffe zusammen mit Restabfällen entsorgt oder bestenfalls geringwertig verwertet werden. Aus gut erhaltenen Ziegelsteinen wird dann Schotter.

Thematik: Technologie
Hochschule Bremen

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.